论文用新 token 标记失准，如接种般控制失准泛化范围

RT @tomekkorbak：在本文中，我们引入一个新的 token 来标记失准发生在何处。我们在中期训练中教会模型这种关联，然后在带有该 token 的失准数据上进行 RL，并在没有该 token 时进行评估。它就像接种疫苗：我们可以控制失准泛化的范围！